Дешифрування космічних знімків.

Алтинців, Максим Олександрович

Вчена ступінь:

Кандидат технічних наук

Місце захисту дисертації:

Новосибірськ

Код спеціальності ВАК:

Спеціальність:

Аерокосмічні дослідження Землі, фотограмметрія

Кількість сторінок:

1 ОГЛЯД ІСНУЮЧИХ МЕТОДИК АВТОМАТИЗОВАНОГО ДЕШИФРУВАННЯ КОСМІЧНИХ ЗНІМКІВ.

1.1 Огляд космічних знімальних систем.

1.2 Огляд методик моніторингу природно-територіальних комплексів.

1.3 Особливості проектування лісових ділянок та таксації лісів.

1.4 Алгоритми дешифрування космічних знімків.

1.5 Спектральні методи перетворення космічних знімків.

1.6 Огляд методик виявлення змін.

1.7 Огляд програмних продуктів для обробки даних ДЗЗ.

2 РОЗРОБКА МЕТОДИК АВТОМАТИЗОВАНОГО ДЕШИФРУВАННЯ ТА ВИЯВЛЕННЯ ЗМІН НА КОСМІЧНИХ ЗНІМКАХ У МЕТАХ МОНІТОРИНГУ ПРИРОДНО-ТЕРИТОРІАЛЬНИХКомплексів.

2.1 Технологічна схема проведення комплексного моніторингу природно-територіальних комплексів.

2.2 Розробка методики автоматизованогодешифрування космічних знімків на основі перетворення Таз8е1ес1 Сар.

2.3 Розробка методики автоматизованого дешифрування космічних знімків за допомогою алгоритму "Дерево рішень".

2.4 Теоретичні основи Фур'є та вейвлет-аналізу.

2.5 Розробка методики автоматизованого виявлення змін за різночасними космічними знімками на основі вейвлет-аналізу.

2.6 Розробка методики автоматизованого виділення змін кордону лісової території за різночасними космічними знімками на основі вейвлетаналізу.

3 ЕКСПЕРИМЕНТАЛЬНІ ДОСЛІДЖЕННЯ.

3.1 Опис району дослідження та вихідні дані.

3.2 Дослідження методики автоматизованого дешифрування за допомогою перетворення ТазБеЬс! Сар.

3.3. Дослідження методики автоматизованого дешифрування космічних знімків за допомогою алгоритму «Дерево рішень».

3.4 Дослідження методики виявлення змін за різночасними космічними знімками на основі вейвлет-аналізу.

3.5 Дослідження методики виділення змін кордону лісової території за різночасними космічними знімками на основі вейвлет-аналізу.

Введення дисертації (частина автореферату) На тему "Розробка методик автоматизованого дешифрування багатозональних космічних знімків високої роздільної здатності для моніторингу природно-територіальних комплексів"

Актуальність теми. В даний час при вивченні природно-територіальних комплексів широко застосовується моніторинг, що виконується за космічними знімками, які дозволяють отримувати унікальну інформацію про штучні та природні об'єкти на поверхні землі.

Багатозональні космічні знімки дозволяють розпізнавати широке коло об'єктів, визначати їх властивості та властивості поверхні землі. Поява космічних знімків надвисокої роздільної здатності суттєво розширила можливості моніторингу. Також підвищується періодичність отримання космічних знімків за постійного зниження їх вартості. Всі ці фактори дозволяють організувати ефективну систему моніторингу природно-територіальних комплексів різних типів, за якої відстежується розвиток лісових масивів, сільськогосподарських земель, водних об'єктів, промислових споруд, трубопроводів, доріг тощо.

Ефективність будь-якої системи моніторингу характеризується ступенем автоматизації дешифрування знімків. Основна проблема моніторингу щодо космічних знімків - це необхідність обробки надзвичайно великого обсягу даних, отриманих за багатозональними знімками.

Крім того, особливість обробки космічних знімків полягає в тому, що отримані спектральні характеристики різночасних зображень суттєво залежать від умов та часу зйомки, типу поверхні, що підстилає, та інших факторів.

Для усунення спотворень та нормалізації зображень виконується спеціальна обробказнімків, що дозволяє нормувати яскравість. Існує велика кількість алгоритмів обробки, але більшість з них можна використовувати лише за певних умов і для певних об'єктів.

Ступінь розробленості проблеми. Вирішенню завдань автоматизованого дешифрування аерокосмічних знімків та виявлення за ними змін присвячено велику кількість робіт відомих вчених, як вітчизняних (Журкін І.Г., Гук А. П., П'яткін В. П., Асмус В. В., Ярославський Л.П. ), і зарубіжних (Гонсалес Р., Вудс Р., Претт У. та інші).

Але внаслідок того, що спектральні характеристики території, що зображується на знімках, сильно залежать від умов і часу зйомки, досі не були розроблені алгоритми, які дозволили б високим ступенемдостовірності виконати дешифрування будь-яких об'єктів, зображених на космічних знімках, та виявити зміни, що відбулися на місцевості.

Також потрібно збільшити спектральну відстань між зображеннями різних типів об'єктів. Існуючі алгоритми, створені на вирішення цих завдань, добре працюють знімків знімальної системи певного типу, тоді як знімків знімальної системи іншого типу часто потрібно розробка нових алгоритмів.

Таким чином, необхідно розробити комплексну методику дешифрування космічних знімків, що дозволяє використовувати кілька алгоритмів та визначати різні типи об'єктів.

Крім методів, що ґрунтуються на спектральних ознаках, існує інша група методів, заснована на структурних ознаках. Структурні методи меншою мірою залежать від зовнішніх факторів, тому що тут використовується не спектральна яскравість зображення об'єкта місцевості, а інша, більш стійка характеристика. На основі структурних ознак можна виділити за знімками інформацію, визначити яку було б неможливо, використовуючи лише спектральні властивості.

Таким чином, слід розробити комплекс методів та алгоритмів, які дозволили б використовувати спектральні та структурні ознаки для дешифрування та виявлення за космічними знімками змін, що відбулися на місцевості.

У рамках дисертаційної роботи для вирішення задач дешифрування космічних знімків були розроблені одні та вдосконалені інші методики, що ґрунтуються на спектральних ознаках, а для вирішення завдань виявлення змін – методики, що ґрунтуються на структурних ознаках.

Мета та завдання дослідження. Мета дисертаційної роботи полягає у підвищенні ефективності дешифрування космічних знімків природно-територіальних комплексів різних типів та виявлення за ними змін шляхом розробки загальної технологічної схеми проведення їх моніторингу, що включає комплексну методику, засновану на використанні спектральних та структурних властивостей зображень об'єктів.

Для досягнення поставленої мети необхідно вирішити такі завдання:

Проаналізувати існуючі методики дешифрування та виявлення змін щодо космічних знімків;

Розробити схему розрахунку коефіцієнтів перетворення ТаБзеке Сар для знімків Р(ЖМ08АТ-2, що відрізняється способом вибору та відбракування фрагментів для підвищення статистичної ефективності значень коефіцієнтів;

Розробити єдину методику багатоступінчастого автоматизованого дешифрування космічних знімків високої роздільної здатності на основі спільного застосуваннярезультатів перетворення ТаввеИ Сар та інших алгоритмів, що використовують спектральні властивості зображень об'єктів, у дереві рішень;

Удосконалити методику автоматизованого виділення змін, засновану на використанні вейвлет-аналізу та відмінну новим способом поділу на фрагменти у вигляді піраміди зображень;

Розробити методику автоматизованого виділення змін кордону лісу, засновану на вейвлет-аналізі та новому способі генералізації лісової території;

Провести експериментальні дослідження розроблених методик; 8

Об'єкт та предмет дослідження. Об'єктом дослідження є технологія використання багатозональних космічних знімків високого дозволу для моніторингу природно-територіальних комплексів, а предметом – методики та алгоритми автоматизованого дешифрування багатозональних космічних знімків та виявлення за ними змін.

Методологічна, теоретична та емпірична база досліджень. У роботі були використані методи цифрової обробки зображень для дешифрування космічних знімків та виділення змін. Для автоматизованого дешифрування космічних знімків були використані алгоритми Tasseled Сар та «Дерево рішень», а для виділення змін – вейвлет-перетворення та коефіцієнти кореляції.

Базою для досліджень є виконані раніше дослідження в галузі розробки методик дешифрування аерокосмічних знімків та виділення змін. Під час проведення експериментальних робіт було використано:

Космічні знімки IKONOS, FORMOSAT-2, SPOT-5, QuickBird, WorldView-2;

Аерознімки;

Тематична мапа на територію Суйгінського лісництва Молчанівського району Томської області;

Пробні ділянки на територію Молчанівського району, що містять інформацію про породу та вік лісу.

Для виконання досліджень використовувалися програмні комплекси Photomod 4.4, ENVI 4.5, Maplnfo 9.5, а також середовища для написання власних програм - Matlab R2010b, IDL 7.0.

Основні наукові положеннядисертації, що виносяться на захист:

Комплексна методика автоматизованого дешифрування космічних знімків на основі використання алгоритму «Дерево рішень» та перетворення ТаБзекс! Сар;

Удосконалена методика виявлення змін у лісових масивах за різночасними космічними знімками на основі вейвлет-аналізу;

Методика автоматизованого виділення змін кордону лісової території за різночасними космічними знімками на основі вейвлет-аналізу;

Методика отримання коефіцієнтів перетворення Тазвексу! Сар для знімків РСЖМ08АТ-2.

Наукова новизна результатів дослідження. Наукова новизна полягає в наступному:

Розроблено нові методики автоматизованого дешифрування космічних знімків високого дозволу на основі комплексного використання спектральних та структурних ознак;

Розраховано коефіцієнти перетворення ТаБзеке Сар для знімків Р(ЖМ08АТ-2 за фрагментами зображень).

Удосконалено методику виявлення змін на основі вейвлет-аналізу, що забезпечило підвищення точності виділення змін та дозволило визначити площу цих змін;

Розроблено методику автоматизованого виділення змін кордону лісової території за різночасними космічними знімками на основі вейвлет-аналізу, в рамках якої було запропоновано новий спосіб генералізації лісової території відповідно до тематичної карти;

Наукова та практична значущість роботи. Практична цінність полягає в наступному:

Отримані коефіцієнти перетворення ТаББ'Сар дозволяють прискорити обробку знімків;

Розроблена методика застосування вейвлет-перетворення дозволяє локалізувати зміни.

Практична значущість полягає в тому, що запропоновані методики були використані для класифікації території Молчанівського району Томської області за типами рослинного покриву, виявлення місць рубок, а також для визначення напрямку зміщення північного кордону лісу в центрі Мурманської області.

Відповідність дисертації паспорту наукової спеціальності. Дисертація відповідає паспорту наукової спеціальності 25.00.34 – «Аерокосмічні дослідження Землі, фотограмметрія», розробленому експертною радою ВАК Міносвіти РФ, за відповідними позиціями:

- № 4 - «Теорія та технологія дешифрування зображень з метою дослідження природних ресурсіві картографуванняоб'єктів досліджень»;

- № 5 – «Теорія та технологія отримання кількісних характеристик динаміки природних та техногенних процесів з метою їх прогнозу».

Апробація та реалізація результатів дослідження. Основні положення та результати дисертаційної роботи доповідалися на VI Міжнародному науковому конгресі «ГЕО-Сибір-2010», 19-23 квітня 2010, Новосибірськ; на міжнародному студентському форумі «ГЕОМІР – 38 2010», 21-25 вересня 2010 р., м. Новосибірськ; VII Міжнародному науковому конгресі "ГЕО-Сибір-2011", 27-29 квітня 2011 р., м. Новосибірськ; на Міжнародному студентському форумі «ГЕОМІР – 38 2011», 9-13 жовтня 2011 р., м. Ухань.

Розроблені методики були використані при виконанні науково-дослідних робіт на тему: «Розробка методології аерокосмічного моніторингу природних та антропогенних об'єктів на регіональному рівні». Номер державної реєстраціїНДР: 01 ​​2007.03297.

Основні результати дисертаційної роботи використані у ФГУП «Рослісінфорг» Запсиблеспроект», впроваджені у навчальний процес СМДА та використовуються при вивченні спеціальних дисциплін студентами спеціальностей « Аерофотогеодезія» та « Дослідження природних ресурсів аерокосмічними засобами», а також студентами профілю "Аерокосмічні зйомки, фотограмметрія" напряму «Геодезія та дистанційне зондування».

Структура дисертації. Дисертація складається із вступу, трьох розділів, висновків, списку використаних джерел, що містить 117 найменувань, та 10 додатків. Загальний обсяг складає 172 сторінки друкованого тексту, 42 малюнки, 13 таблиць.

Висновок дисертації на тему "Аерокосмічні дослідження Землі, фотограмметрія", Алтинців, Максим Олександрович

Основні результати досліджень, проведених у цьому напрямі, такі:

Розроблено схему розрахунку коефіцієнтів перетворення Таз8е1ес1 Сар, за якою для знімків Р01Ш08АТ-2 для різних умов були вперше розраховані дані коефіцієнти за фрагментами зображень з певним набором об'єктів. Для розрахунку коефіцієнтів було написано програму мовою програмування МайаЬ;

Розроблено методику автоматизованого дешифрування космічних знімків за допомогою перетворення ТазБеИ Сар. Отримані для знімків Р0КМ08АТ-2 коефіцієнти були використані в «дереві рішень» та при розробці методики автоматизованого дешифрування за його допомогою;

Удосконалено методику автоматизованого виявлення змін за різночасними космічними знімками на основі вейвлет-аналізу, при якій для виділення змін були написані підпрограми мовою програмування ГОЬ;

Розроблено методику автоматизованого виділення змін кордону лісової території за різночасними космічними знімками на основі вейвлет-аналізу, для реалізації якої мовою ГОЬ була написана програма для генералізації та класифікації;

Проведено експериментальні дослідження розробленої методики автоматизованого дешифрування за допомогою алгоритму «Дерево

136 рішень» та перетворення ТавееИ Сар на прикладі космічних знімків РСЖМ08АТ-2. В результаті класифікації з високим ступенем достовірності було виділено сім типів території: болота, водні об'єкти, Хмари, трав'яниста рослинність, листяний, хвойний та затоплений хвойний ліс;

Проведено експериментальні дослідження удосконаленої методики виявлення змін на основі вейвлет-аналізу на прикладі різночасних космічних знімків 8РОТ-5 лісової території. Дослідження продемонстрували можливість виділення змін за різночасними космічними знімками повністю в автоматичному режимі, а також більше високу швидкістьпроцесу виділення;

Проведено експериментальні дослідження розробленої методики виділення змін кордону лісу, які показали, що за п'ятдесятирічний часовий інтервал у Мурманській області відбулося усунення кордону лісу в середньому від 15 до 55 м на північ;

Розроблені методики автоматизованого дешифрування природно-територіальних комплексів показали високу ефективність дешифрування земель водного та лісового фонду (на кшталт рослинного покриву), а також можливість свого застосування при моніторингу інших видів земель, наприклад, сільськогосподарських. При дешифруванні лісової території була виявлена ​​проблема визначення порід лісу у зв'язку з близькими спектральними та структурними їх характеристиками, тому дослідження у цій галузі мають бути продовжені;

Розроблені методики автоматизованого дешифрування та виявлення змін використано у ФГУП « Запсиблеспроект» та впроваджено у навчальний процес кафедри фотограмметрії та дистанційного зондування СМДА.

ВИСНОВОК

В результаті аналізу сучасних методівдешифрування космічних знімків та виявлення за ними змін при моніторингу природно-територіальних комплексів було встановлено, що необхідна комплексна обробка, що дозволяє при дешифруванні космічних знімків використовувати спектральні яскравості об'єктів, так і їх структурні ознаки.

Список літератури дисертаційного дослідження кандидат технічних наук Алтинців, Максим Олександрович, 2011 рік

1. Анучін, Н. П. Лісова таксація Текст. : навч. для студ. лісогосподар. та лісоінж. спец. вузів/Н. П. Анучин. 4-те вид., Випр. та дод. - М.: Ліс. пром-сть, 1977.-512 с.

2. Арбузов, С.А. Дослідження алгоритму "дерево рішень" у програмному комплексі ENVI/С.А. Арбузов, A.A. Гук // Геодезія та картографія. 2011. – № 2. – С. 11 – 14.

3. Астаф'єва, Н.М. Вейвлет-аналіз: основи теорії та приклади застосування. / Н.М. Астаф'єва // УФН. 1996. – № 11. – С. 1145 – 1177.

4. Ашихміна, Т.Я. Екологічний моніторинг Текст: Навчально-методичний посібник. вид. 3-тє, испр. та дод. / Т.Я. Ашихмін. - М: Академ.1. Проект, 2006.-416 с.

5. Блаттер, К. Вейвлет-аналіз. Основи теорії тексту. / К. Блаттер.

6. М: Техносфера, 2004. 280 с.

7. Богомолов, JI.A. Дешифрування аерознімків Текст. /

8. JI.A. Богомолов. М.: Надра, 1978. – 351 с.

9. Болсуновський, М.А. IKONOS Перший комерційний супутник ДЗЗ високої роздільної здатності Текст. / М. А. Болсуновський // Геопрофі. – 2004. – № 6. -С. 15 – 18.

10. Болсуновський, М.А. Можливості програмного комплексу ENVI для обробки даних ДЗЗ Текст. / М.А. Болсуновський // Геопрофі. 2006. - №3. -С. 18-19.

11. Болсуновський, М.А. Перспективні напрямки розвитку дистанційного зондування Землі із космосу Текст. / М.А. Болсуновський // Геоматика. 2009. – № 2. – С. 12 – 15.

12. Болсуновський, М.А. Система супутників ДЗЗ SPOT Текст. / М.А. Болсуновський // Геопрофі. 2005. – № 3. – С. 19 – 21.

13. Болсуновський, М.А. Сучасні підходи до організації оперативного космічного моніторингу. / М.А. Болсуновський // Геоматика. 2010. – № 3. – С. 13 – 18.

14. Болсуновський, М.А. Супутник FORMOSAT-2 дані ДЗЗ високої роздільної здатності з періодичністю в один день Текст. / М.А. Болсуновський //

15. Геопрофі. 2005. – № 6. – С. 18 – 20.

16. Болсуновський, М.А. Супутники високого дозволу із супутників Quckbird та WorldView. Справжнє та майбутнє Текст. / М.А. Болсуновський // Геопрофі. 2005. – № 1. – С. 21 – 23.

17. Болсуновський, М.А. Супутники Дистанційного зондування високої роздільної здатності ORBVIEW Текст. / М.А. Болсуновський // Геопрофі. – 2005.-№2.-С. 10-12.

18. Болсуновський, М.А. Рівні обробки даних ДЗЗ надвисокої роздільної здатності Текст. / М.А. Болсуновський // Геоматика. 2009. – № 2. -С. 20-23.

19. Болсуновський, М.А. Що таке IDL? Текст. / М.А. Болсуновський // Геопрофі. 2006. – № 4. – С. 25 – 26.

20. Вітязєв, В.В. Вейвлет-аналіз часових рядів Текст.: навч. допомога /

21. B.В. Витязєв. СПб.: СПб ун-т, 2001. – 58 с.

22. Гершензон, В.Є. ДЗЗ це просто текст. / В.Є. Гершензон, А.А. Кучейко // Просторові дані. 2005. – № 1. – С. 24 – 27.

23. Гершензон, В.Є. Дистанційне зондування Землі: загальні проблеми та російська специфіка Текст. / В.Є. Гершензон // Інформаційний бюлетень ГІС-асоціації. 2005. – № 3. – С. 57 – 59.

24. Гершензон, В.Є. Космічні системи ДЗЗ середньої та низької роздільної здатності Текст. / В.Є. Гершензон // Просторові дані. 2005. -№ 1.-С. 44-48.

25. Гонсалес, Р. Цифрова обробка зображень серед MATLAB Текст. / Р. Гонсалес, Р. Вудс, С. Еддінс. М.: Техносфера, 2006. – 616 с.

26. Гонсалес, Р. Цифрова обробка зображень Текст. / Р. Гонсалес, Р. Вудс. М.: Техносфера, 2006. – 1072 с.

27. Гордієнко, A.C. Розробка методики багатоступеневого дешифрування космічних знімків Текст. / A.C. Гордієнко, М.А. Алтинців, С.А. Арбузов.// Геодезія та аерофотозйомка. 2011. – №2.1. З. 29-33.

28. Грузман, І.С. Цифрова обробка зображень в інформаційних системах Текст: навч. Посібник/І.С. Грузман, B.C. Киричук. Новосибірськ: Вид-во НДТУ, 2002 – 352 с.

29. Деню, І.І. Екологічний енциклопедичний словник. / І.І. Деню. Кишинів: Головна редакція Молдавської радянської енциклопедії, 1989. –408 с.

30. Дистанційний моніторинг використання лісів. Електронний ресурс. // сайт філії ФГУП "Рослесінфорг" Запсиблеспроект». Режим доступу: http://www.lesgis.ru/ru/typework/2010-02-01-04-00-17. - Загл. з екрану.

31. Добеши, І. Десять лекцій з вейвлет Текст. / І. Добеші. -Іжевськ: НДЦ « Регулярна та хаотична динаміка», 2001. 464 с.

32. Дремін, І.М. Вейвлети та їх використання Текст. / І.М. Дрьомін, О.В. Іванов, В.А. Нечитайло // УФН. 2001. – Т. 171, № 5. – С. 465 – 501.

33. Завдання, які вирішуються з використанням даних ДЗЗ із космосу Текст. / Геоматика. 2009. – № 4. – С. 115 – 120.

34. Залманзон, JI.A. Перетворення Фур'є, Уолша, Хаара та їх застосування в управлінні, зв'язку та інших областях Текст. / Л.А. Залманзон.1. М: Наука, 1989.-496 с.

35. ІТЦ "Сканекс" оголошує про початок розповсюдження комерційної версії програми ScanEx Image Processor v.3.0 Електронний ресурс. / сайт проекту GeoTop. 2008. - Режим доступу: http://www.geotop.ru/publication/publ.phtml?event=3&id=214. Загл. з екрану.

36. Калінін, В.М. Моніторинг природних середовищ Текст.: навч. допомога /

37. B.М. Калінін. Тюмень: Вид-во Тюм. держ. ун-ту, 2007. – 208 с.

38. Кашкін, В.Б. Дистанційне зондування Землі із космосу. Цифрова обробка зображень Текст.: навч. посібник/В.Б. Кашкін, А.І.

39. Сухнін. М.: Логос, 2001. – 264 с.

40. Книжників, Ю.Ф. Аерокосмічні методи географічних досліджень Текст.: навч. для студ. вищ. навч. закладів/Ю.Ф. Книжників, В.І. Кравцова, О.В. Тутубаліна. М: Видавничий центр1. Академія", 2004. 336 с.

41. Кобзєва, Є.А. Автоматизація дешифрування супутникових знімків: досвід та проблеми Текст. / Є.А. Кобзєва, К.А. Піздіна // Геодезія і картографія. 2008. – N 6. – С. 40 – 44.

42. Курнаєв, С. Ф. Лісорослинне районування СРСР Текст. /

43. C.Ф. Курнаєв. М.: Наука, 1982. – 250 с.

44. Кучейко, A.A. Підсумки запусків супутників зйомки Землі у 2009 році Текст. / A.A. Кучейко// Земля з космосу. 2010. – № 1.

45. Лабутіна, І.А. Дешифрування космічних знімків Текст.: навч. посіб. / І.А. Лабутіна. М: Аспект Прес, 2004 - 184с., 8с. кол. вкл.

46. ​​Лісовладнання Текст.: наказ від 6 лют. 2008 р. № 31 про затв. лісовпорядної інструкції. М., 2008. – 51 с.

47. Локалізація змін об'єктів природно-територіальних комплексів за різночасними космічними знімками Текст. / А.П. Гук, Л.Г. Євстратова, A.C. Гордієнко, М.А. Алтинців // Геодезія та картографія. 2010. - № 2. -С. 19-25.

48. Лур'є, І.Є. Теорія та практика цифрової обробки зображень Текст.: Дистанційне зондування та географічні інформаційні системи / І. Є. Лур'є, А. Г. Косіков; за ред. А.М. Берлянти. М.: Науковий світ, 2003. - 168 с.

49. Мальцев, Г.М. Космічні системи та технології багатоспектрального дистанційного зондування Землі Текст. / Г.М. Мальцев, І.А. Козінов, А.П. Данилкін // Інформація та космос. - 2010. -1.-С. 148-158.

50. Манович, В.М. Лісовиробництво та екологічний моніторинг Текст. / В.М. Манович // Матеріали 7-й міжнар. науково-практичній конф.,

51. Австрія. 2003. – С. 16 – 20.

52. Манович, В.М. Лісовиробництво та екологічний моніторинг Текст. / В.М. Манович // Матеріали 8-ї міжнар. науково-практичній конф.,

53. Франція. 2004. – С.55 – 58.

54. Манович, В.М. Екологічний моніторинг та аудит земель лісового фонду з використанням даних дистанційного зондування Землі Текст. /

55. B.М. Манович // Матеріали 9-ї міжнародної науково-практ. конф., Італія. -2005.-С. 50-54.

56. Михайлов, С.І. Методики дешифрування даних ДЗЗ Текст. /

57. C.І. Михайлов// Інформаційний бюлетень ГІС-асоціації. 2009. - №1. - С. 28-30.

58. Нейський, І.М. Класифікація та порівняння методів кластеризації Текст. / І. М. Нейський // Інтелектуальні технології та систем: зб. навчально-метод. робіт та ст. аспірантів та студентів. М: НОК «CLAIM», 2006. -Випуск 8.-С. 130-142.

59. Обробка даних дистанційного зондування Землі Електронний ресурс. / Сайт компанії ERDAS. Режим доступу: http://www.erdas.com.ua/remote sensing.htm. - Загл. з екрану.

60. Загальносоюзні нормативи для таксації риштувань Текст. / В.В. Загреєв, В.І. Сухих, А.З. Швиденко. М.: Колос, 1992. – 495 с.

61. Претт, У. Цифрова обробка зображень Текст.: 2 кн. / У. Претт.- М: Світ, 1982.-670 з.

62. Сєдих, В.М. Аерокосмічний моніторинг лісового покриву Текст. / В.М. Сивих. Новосибірськ: Наука Сіб. від., 1991. – 239 с.

63. Смоленцев, Н.К. Основи теорії вейвлетів. Вейвлети у MATLAB Текст. / Н.К. Смоленців. М.: ДМК Прес, 2005. – 304 с.

64. Сучасний тлумачний словник Текст. М: Велика Радянська Енциклопедія, 1997.

65. Тютрін, С.А. Дистанційний моніторинг незаконних рубок у Далекосхідному федеральному окрузі Текст. / С.А. Тютрін, Р.Б. Кондратівець// Земля з космосу. Найбільш ефективні рішення. 2010. – Вип. 4. – С. 73 -76.

66. Херрінг, Ч. Супутник WorldView-2 нова віха у розвитку дистанційного зондування Землі Текст. / Ч. Херрінг // Геоматика. – 2010. №2.-С. 28-32.

67. Хлєбнікова, Є.П. Вплив нормування яскравості на достовірність дешифрування багатозональних космічних знімків Текст. / Є.П. Хлєбнікова // Геодезія та картографія. 2005. – №12. – С. 24 – 28.

68. Хлєбнікова, Є.П. Вплив попередньої обробки зображення на якість дешифрування багатозональних знімків Текст. / Є.П. Хлєбнікова // Вісник Сибірської Державної геодезичної академії / СМДА. Новосибірськ, 2006. – Вип.11. – С. 190 – 193.

69. Хлєбнікова, Є.П. Застосування методу основних компонентів для моніторингу міських територій знімків Текст. / Є.П. Хлєбнікова // Зб. матеріалів V Міжнар. наук. конгр. ТЕО-Сибір-2009". Новосибірськ.2009.-Т. 4., ч. 1. -С.41 -45.

70. Чубукова, І.А. Data Mining Текст: Навчальний посібник/ І.А. Чубукова. М: Інтернет Університет Інформаційних технологій; БІНОМ.

71. Лабораторія знань, 2006. 382 с.

72. Шовенгердт, P.A. Дистанційне зондування. Модель та методи обробки зображень Текст. / Р.А.Шовенгердт. М: Техносфера, 2010. -560 с.

73. Енциклопедія лісового господарства Текст: у 2-х томах. Т. 1. – М.: ВНДІЛМ, 2006. – 424 с.

74. Яншин, В.В. Аналіз та обробка зображень: принципи та алгоритми Текст. / В.В. Яншин. М: Машинобудування, 1995. - 112с.

75. Brief History of ERDAS IMAGINE Електронний ресурс. / Сайт компанії The Field Guide. 2007. – Режим доступу: http://field-guide.blogspot.com/2009/04/brief-history-of-erdas-imagine.html. - Загл. з екрану.

76. Алтинцев, М.А. Практичне автоматичне відхилення відкриття в multitemporal space images. Summer Student Seminar Текст. / M. A. Altyntsev // SSGA,3S, 2010.-ПП. 31-35.

77. Berry, M.W. Lecture notes in data mining Текст. / M.W. Berry, M. Browne // World Scientific Publishing Co. Pte. Ltd., 2006. 223 p.

78. Broadband vegetation index performance evaluated для low-cover Environment Текст. // International Journal of Remote Sensing, 2006. Vol. 27. -PP. 4715-4730.

79. Cheng, Q. Principal component analysis with optimum order sample correlation coefficient for image enhancement Текст. / Q. Cheng, L. Jing, A. Panahi // International journal of remote sensing, 2006 Vol. 27. - №15. - PP. 3387 - 3042

80. Crist, E. P. A Physically-Based Transformation Thematic Mapper Data - TM Tasseled Cap Текст. / E.P. Crist, R.C. Cicone // IEEE Transactions on Geoscience and Remote Sensing, 1984. Vol. 22(3). - PP. 256 – 263.

81. Crist, E.P. A TM Tasseled Cap еквівалентна transformation for reflectance factor data Текст. / E.P. Crist // Remote Sensing of Environment. 1985. № 17. -PP. 301-306.

82. Crist, E.P. Vegetation and soils information contained in transformed Thematic Mapper data Текст. / E.P. Crist, R. Laurin, R.C. Cicone // Proceedings of IGARSS " 86 Symposium, Ref. ESA SP-254. Paris: European Space Agency, 1986. PP. 1465 - 1470.

83. ER-MAPPER Електронний ресурс. / Сайт компанії ERDAS.

84. Режим доступу: http://www.erdas.com.ua/er mapper.htm. Загл. з екрану.146

85. Gonzalez, R.C. Digital image processing Текст: Second edition / R.C. Gonzalez, R.E. Woods. 2002. – 813 p.

86. Hatcher, L.A Step-by-Step Approach для використання SAS System для Factor Analysis and Structural Equation Modeling Текст. / L. Hatcher. 1994. - 608 p.

87. Home, J.H. A Tasseled Cap Transform для IKONOS Images Текст. / J.H. Home // ASPRS Annual Conference Proceedings, Anchorage, Alaska, 2003.-9 p.

88. Huang, C. At-satellite reflectance: На першому порядку normalization of Landsat 7 ETM+ images Текст. / С. Huang, L. Yang. Raytheon ITSS, EROS Data Center. -2008. - 9 p.

89. Huang, C. Derivation of tasseled cap transformation based on Landsat 7 at-satellite reflectance Текст. / С. Huang, Ст Wylie, L. Yang // International Journal of Remote Sensing, 2002. Vol. 23. – PP. 1741 – 1748.

90. Huete, AR. A soil-adjusted vegetation index (SAVI) Текст. / A.R. Huete // Remote Sensing of Environment. 1988. – Vol. 25. – PP. 295 – 309.

91. Huete, AR. Modis vegetation index (Mod 13). Algorithm theoretical basis document Текст. / A.R. Huete, C. Justice, W. Van Leeuwen. Version 3, 1999.

92. Hunt, E.B. Експерименти in induction Текст. / E.B. Hunt, J. Martin, PJ. Stone. New York: Academic Press, 1966. - 247 p.

93. Irish, R.R. Landsat 7 Science Data Users Handbook Текст. / R.R. Irish. - Landsat Project Science Office, 2008. Vol. 21. – 186 p.

94. Jolliffe, I.T. Principal Component Analysis Текст. / I.T. Jolliffe // Springer Series in Statistics, 2nd ed., Springer, NY, 2002. № XXIX. - 487 p.

95. Карнієлі А. Використання NDVI і територія територій для дорожнього розслідування: Merits and limitations Текст. / A. Karnieli, N. Agam, R.T. Pinker // Journal of Climate. Vol. 23. – PP. 618 – 633.

96. Kaufman, Y.J. Пристрастному відхиленні vegetation index (ARVI) для EOS-MODIS Текст. / Y.J. Kaufman, D. Tanre// Proc. IEEE Int. Geosci. and Remote Sensing Symp. 92, IEEE, New York. PP. 261 - 270.

97. Lu, D. Change detection techniques Текст. / D. Lu, P. Mausel, E. Brondi "Zio, E. Moran // Int. J. Remote Sensing. 2003. - Vol. 25. - № 12. - pp. 2365-2407.

98. Malila, W.A. Зміни Vector Analysis: An Approach for Detecting Forest Зміни з Landsat Текст. / W.A. Malila // LARS Symposia.Paper 385, 3-6 червня 1980 року.

99. Markham, B.L. Landsat MSS and TM post-calibration dynamic ranges, exoatmospheric reflectance and at-satellite temperatures Текст. / B.L. Markham, JL. Barker // EOSAT Landsat Technical Notes. Vol. 1. – PP. 3 – 8.

100. Matlab the language of technical computing Електронний ресурс. / сайт компанії MathWorks. - Режим доступу: http://www.mathworks.com/products/matlab. - Загл. з екрану.

101. Murphy, S.K. Automatic construction decision trees from data: a multi-disciplinary survey Текст. / S.K. Murphy / / Data Mining and Knowledge Discovery, 1998. - № 2. - PP. 345-389.

102. Oyeyemi, G.M. A robust method of estimating covariance matrix in multivariate data Текст. / G.M. Oyeyemi, R.A. Ipinyomi // Analele stiintifice ale universidadii "Alexandru loan Cuza" Din Iasi, Stiinte Economice, 2009. vol. 56. -PP. 586-601.

103. P. Coppin, I. Jonckheere, K. Nackaerts, B. Muys Digital change detection methods in ecosystem monitoring: a review Текст. / P. Coppin, I. Jonckheere, K. Nackaerts, B. Muys // Int. J. Remote Sensing. 2004. – Vol. 25. - №9. -PP. 1565-1596.

104. Quinlan, J.R. Induction of decision trees Текст. /J.R. Quinlan // Machine1.arning, 1986. - №1.-PP. 81 106,

105. Ramachandra, T.V. Geographic Resources Decision Support System for land use, land cover dynamics analysis Текст. / T.V. Ramachandra, Uttam Kumar // Proceedings of the FOSS/GRASS Users Conference. Bangkok, Thailand,12.14 September 2004.

106. Richardson, A.J. Розрізняючий vegetation від смуги background information Текст. / A.J. Richardson, C.L. Wiegand // Photogrammetric Engineering and Remote Sensing. Vol. 43. – PP. 1541 – 1552.

107. Rouse, J.W. Monitoring the vernal advancements and retrogradation of natural vegetation Текст. /J.W. Rouse, R.H. Haas, J.A. Schell. NASA/GSFC, Final Report, Greenbelt, MD, USA, 1974. – PP. 1 – 137.

108. Yarbrough, L.D. DN Based Tasseled Cap Transform Coefficients для ASTER Sensor Level 1-B Data Текст. / L.D. Yarbrough, G. Easson, J.S. Kuszmaul. 2004.

109. Yarbrough, L.D. QuickBird 2 Tasseled Cap Transform coefficients: comparison of derivation method Текст. / L.D. Yarbrough, G. Easson, J.S. Kuszmaul // Pecora 16 "Global Priorities in Land Remote Sensing" October 2327, 2005, Sioux Falls, South Dakota.

110. Zhang, X. MODIS Tasseled Cap Transformation and Its Utility Текст. / X. Zhang, C.B. Schaaf, M.A. Friedl / / Proceedings of International Geoscience and Remote Sensing Symposium (IGARSS "02), Toronto, Canada, 2002. - 24 28.

Зверніть увагу, представлені вище наукові текстирозміщені для ознайомлення та отримані за допомогою розпізнавання оригінальних текстів дисертацій (OCR). У зв'язку з чим у них можуть бути помилки, пов'язані з недосконалістю алгоритмів розпізнавання.
У PDF файлах дисертацій та авторефератів, які ми доставляємо, таких помилок немає.

Дешифрування космічних знімків- розпізнавання природних комплексів, що вивчаються, і екологічних процесів або їх індикаторів за малюнком фотозображення (тону, кольору, структурі), його розмірів і поєднання з іншими об'єктами (текстура фотозображення). Ці зовнішні характеристики притаманні лише тим фізіономічним компонентам ландшафтів, які мають безпосереднє відображення на знімку.

У зв'язку з цим лише незначна кількість природних компонентів може бути відшифрована за прямими ознаками - форми рельєфу, рослинний покрив, іноді поверхневі відкладення.

Дешифрування включає виявлення, розпізнавання, інтерпретацію, а також визначення якісних та кількісних характеристик об'єктів та відображення результатів у графічній (картографічній), цифровій чи текстовій формах.

Розрізняють дешифрування знімків загальногеографічне (топографічне), ландшафтне та тематичне (галузеве) геологічне, ґрунтове, лісове, гляціологічне, сільськогосподарське та ін.

Основні етапи дешифрування космічних знімків: - прив'язка; виявлення; впізнання; інтерпретація; екстраполяція.

Прив'язка знімка- це визначення просторового становища меж знімка. Полягає у точному географічному встановленні території, зображеної на знімку. Здійснюється за допомогою топографічних карток, масштаб яких відповідає масштабу знімка. Характерними контурами прив'язки знімка служать берегові лінії водойм, малюнок гідрографічної мережі, форми макрорельєфу (гірські масиви, великі западини).

Виявленняполягає у зіставленні різних малюнків фотозображення. За ознаками зображення (тон, колір, структура малюнка) здійснюється відокремлення фотофізіономічних компонентів ландшафтів.

Впізнання,або ідентифікація об'єктів дешифрування,- Включає аналіз структури та текстури фотозображення, за якими упізнаються фотофізіономічні компоненти ландшафтів, техногенні споруди, характер використання земель, техногенна порушеність фізіономічних компонентів. На цьому етапі встановлюють прямі дешифрувальні ознаки фотофізіономічних компонентів.

Інтерпретаціяполягає у класифікації упізнаних об'єктів за певним принципом (залежно від тематичної спрямованості дешифрування). Так, при ландшафтному дешифруванні інтерпретуються фізіономічні компоненти геосистем, а пізнані техногенні об'єкти служать лише правильної орієнтування. При дешифруванні господарського використання увага звертається на упізнані об'єкти використання земель - поля, дороги, населені пунктиІнтерпретація деципієнтних (прихованих) компонентів ландшафтів або їх техногенних змін проводиться ландшафтно-індикаційним методом. Повна та достовірна інтерпретація знімків можлива лише на підставі комплексного використання прямих та непрямих дешифрувальних ознак. Процес інтерпретації супроводжується малюванням контурів, тобто створенням за окремими знімками схем дешифрування.

Екстраполяція- Включає виявлення аналогічних об'єктів по всій території досліджень та складання попереднього макета карти. Для цього на фотоплан або фотосхему наносяться всі дані, отримані при дешифруванняокремих знімків. У ході екстраполяції ідентифікують аналогічні об'єкти, явища та процеси на інших ділянках; встановлюють ландшафти-аналоги.

Дешифруваннявиконується за принципом від загального до часткового. Будь-який знімок - передусім інформаційна модель місцевості, сприймається дослідником як єдине ціле, а об'єкти аналізуються у розвитку та нерозривного зв'язку з навколишнім середовищем.

Розрізняють такі види дешифрування.

Тематичне дешифруваннявиконують за двома логічними схемами. Перша передбачає спочатку розпізнавання об'єктів, та був їх графічне виділення, друга - спочатку графічне виділення на знімку однотипних ділянок, та був їх розпізнавання. Обидві схеми завершуються інтерпретацією – науковим тлумаченням результатів дешифрування. p align="justify"> При комп'ютерному дешифруванні ці схеми реалізуються в технологіях кластеризації та класифікації з навчанням.

Об'єкти на знімках розрізняють за дешифрувальними ознаками, які поділяють на пряміі непрямі. До прямимвідносять форму, розмір, колір, тон і тінь, а також складну ознаку, що об'єднує - малюнок зображення. Непрямимиознаками є місце розташування об'єкта, його географічне сусідство, сліди взаємодії з оточенням.

При непряме дешифрування, заснованому на об'єктивно існуючих зв'язках та взаємообумовленості об'єктів і явищ, дешифровщик виявляє на знімку не сам об'єкт, який може і не зобразитись, а його індикатор. Таке опосередковане дешифрування називають індикаційним, географічну основу якого становить індикаційне ландшафтознавство. Його роль особливо велика, коли прямі ознаки втрачають значення через сильну генералізованість зображення. При цьому складають особливі індикаційні таблиці, де для кожного типу або стану індикатора вказаний відповідний вид об'єкта, що індикується.

Індикаційне дешифруваннядозволяє від просторових показників переходити до тимчасових. На основі просторово-часових рядів можна встановити відносну давність перебігу процесу чи стадію його розвитку. Наприклад, за гігантськими річковими меандрами, залишеними в долинах багатьох сибірських річок, їх розмірам і формою оцінюють витрати води в минулому та зміни, що відбувалися.

Індикаторами руху водних мас в океані часто служать биті льоди, суспензії та ін.

Дешифрування багатозональних знімків.Робота з серією з чотирьох-шостіх зональних знімків складніша, ніж з одиночним знімком, і їх дешифрування потребує деяких особливих методичних підходів. Розрізняють зіставне та послідовне дешифрування.

Порівняльне дешифруванняполягає у визначенні за знімками спектрального образу, порівнянні його з відомою спектральною відбивною здатністю та розпізнавання об'єкта. Спочатку на зональних знімках виявляють сукупності об'єктів, різні в різних зонах, а потім, зіставляючи їх (віднімаючи зональні схеми дешифрування), виділяють у цих сукупностях індивідуальні об'єкти. Найефективніше таке дешифрування для рослинних об'єктів.

Послідовне дешифруванняґрунтується на тому, що зональні знімки оптимально відображають різні об'єкти. Наприклад, на знімках мілководдя внаслідок неоднакового проникнення променів різних спектральних діапазонів у водне середовище видно об'єкти, розташовані на різних глибинах, і серія знімків дозволяє виконати пошаровий аналіз і потім поетапно підсумовувати результати.

Дешифрування різночасових знімківзабезпечує вивчення змін об'єктів та його динаміки, і навіть непряме дешифрування мінливих об'єктів з їх динамічним ознаками. Наприклад, сільськогосподарські культури впізнають зміну зображення протягом вегетаційного періоду з урахуванням сільськогосподарського календаря.

У вік науково-технічної революціїта освоєння космосу людство продовжує ретельно вивчати Землю, спостерігаючи за станом природного середовища, піклуючись про раціональне природокористування, постійно вдосконалюючи методи оцінки тепер уже обмежених природних ресурсів. Серед методів досліджень Землі з космосу і космічного моніторингу, що розвиваються, міцно входить в життя багатозональна фотографічна зйомка, що відкриває додаткові можливостіпідвищення вірогідності дешифрування знімків.

У вересні 1976 р. у рамках міжнародного співробітництва за програмою «Інтеркосмос» фахівцями СРСР та НДР спільно було проведено космічний експеримент «Райдуга», під час якого льотчики-космонавти СРСР В.Ф. Биковський та В. В. Аксьонов у восьмидобовому польоті космічного корабля «Союз-22» отримали понад 2500 багатозональних знімків земної поверхні. Зйомка проводилася багатозональним космічним фотоапаратом МКФ-6, розробленим спільно фахівцями народного підприємства «Карл Цейсе Йена» НДР та Інституту космічних досліджень АН СРСР та виготовленого у НДР. Багатозональна зйомка апаратом МКФ-6 проводилася також з літаків-лабораторій, а потім з пілотованої орбітальної станції «Салют-6». Одночасно з апаратом МКФ-6 було розроблено багатозональний синтезуючий проектор МСП-4, який відкрив можливість виготовлення високоякісних кольорових синтезованих знімків, які тепер широко використовуються в науковій, практичній та навчальній роботі.

Справжній атлас знімків та складених за ними карток ілюструє на типових прикладах можливості застосування матеріалів багатозональної аерокосмічної фотозйомки у різноманітних дослідженнях природного середовища, у плануванні та оперативному управлінні господарською діяльністю та для багатьох галузей тематичного картографування. В атласі представлено широке коло напрямів досліджень Землі. Він охоплює вивчення природних умов та ресурсів не тільки суші, а й морських мілководіїв. Методика дешифрування при геологічних дослідженняхгірничоскладчастих областей представлена ​​на прикладі району Паміро-Алая. Геоморфолого-гляціо-логічні та гідрологічні аспекти досліджень розглянуті на прикладі вивчення тектонічної будовита рельєфу південного Предбайкалля, рельєфу берегів Охотського моря, рельєфу річкових заплав та мерзлотного термокарстового рельєфу центральної Якутії, заледеніння Паміро-Алаю, поширення твердого стоку річок в озері Байкал та льодовикових ландшафтів у північній частині НДР. Дослідження рослинності виконані на прикладі напівпустельної та пустельної рослинності південно-східного Казахстану та лісової рослинності південного Предбайкалля та центральної Якутії. Ландшафтне картографування охоплює аридні ландшафти передгірських районів та міжгірських улоговин південно-східного Казахстану та Середньої Азії, гірничо-таежні ландшафти північного.

Прибайкалля, а також ландшафти середньої частини НДР. На прикладах південно-східного Казахстану та ділянки у центральній частині НДР показано можливості використання космічних знімків з метою фізико-географічного районування території. Крім досліджень природних ресурсів, в атласі представлені також деякі напрями соціально-економічних досліджень - картографування сільськогосподарського використання земель та розселення, а також вивчення впливу людини на природне середовищена прикладі картографування сучасних ландшафтів зі своїми антропогенними модифікаціями. Ці дослідження виконані в середньоазіатських районах Радянського Союзу та в НДР.

У літературі досить докладно викладено методику дешифрування «класичних» аерознімків. Традиційна та добре відпрацьована технологія обробки таких знімків успішно використовується на практиці. В атласі представлений комплекс методичних прийомів обробки багатозональних аеро- та космічних знімків на різному рівнітехнічної озброєності - візуальному, інструментальному та автоматизованому. При візуальному дешифруванні найбільш універсальна робота із кольоровими синтезованими знімками. При використанні серії зональних знімків використовується кілька прийомів. Найбільш простий прийом - вибір оптимальної спектральної зони для дешифрування конкретних явищ - ефективний тільки для деяких об'єктів, наприклад, берегової лінії мілководних водойм, і тому має порівняно обмежене застосування. Зіставлення серії зональних знімків з використанням спектрального образу об'єктів зйомки, що наближено визначається за допомогою еталонованої шкали щільностей, доцільно при дешифруванні об'єктів, що характеризуються специфічним ходом спектральної яскравості, зокрема для поділу лісоутворювальних порід при картографуванні лісової рослинності за відмінностями у зображенні снігу з різним вмістом вологи і т. п.

Послідовне дешифрування серії зональних знімків, що використовує ефект оптимального відображення різних об'єктів у певних зонах спектру, застосовується для поділу тектонічних порушень різного рангу, послідовного глибокого вивчення акваторій і т.д.

Дешифрування багатозональних космічних знімків ведеться із вибірковим використанням аерофотознімків, отриманих у підсупутникових експериментах. Для виявлення тонких відмінностей об'єктів, що дешифруються, не вловлюваних візуально, наприклад пов'язаних зі станом посівів сільськогосподарських культур, використовується вимірювальне дешифрування, що базується на фотометричних визначеннях спектральної яскравості об'єктів за зональними знімками з урахуванням спотворень, обумовлених умовами зйомки. При цьому забезпечуються спектрофотометричні визначення похибкою 3-5%.

Для більш складного аналізу даних, у тому числі при вирішенні оперативних завдань, пов'язаних з великим обсягом інформації, що обробляється, потрібна автоматизована обробка знімків, можливості якої проілюстровані на прикладі використання земель і класифікації посівів бавовнику в залежності від їх стану.

Усі включені в атлас карти, складені за багатозональними знімками, є картографічними творами нового типу та демонструють можливості вдосконалення тематичних карток за матеріалами аерокосмічних зйомок.

p align="justify"> Особливу роль при вирішенні різноманітних завдань на відносно невеликих, добре вивчених класичними методами територіях грають багатозональні знімки, отримані з борту літака. Такий метод детального вивчення природних ресурсів та контролю навколишнього середовища є перспективним, наприклад, на території НДР. Наведені приклади багатозональних літакових знімків охоплюють тестовий полігон у районі оз. Зюссер-Зеє в центральній частині НДР, а також райони ферганської долини, Охотського узбережжя та ін в СРСР. Космічні знімки, у свою чергу, мають відомі переваги оглядовості, спектральної та просторової генералізації зображення. Представлені космічні знімки охоплюють узбережжя Балтійського моря, північно-східного Каспію та Охотського моря, південне Предбайкалля та північне Прибайкалля, центральну Якутію, південно-східний Казахстан та Середню Азію.

Аерокосмічний метод дослідження Землі за своїм принципом є комплексним та міждисциплінарним. Кожен знімок, як правило, придатний для багатоцільового використання в різних напрямках дослідження Землі. Цьому відповідає і регіональна структура атласу, в якому для кожного знімка представлена ​​методика дешифрування у тих напрямках, де воно виявилося найефективнішим. У кожному розділі, що відкривається кольоровим синтезованим знімком досліджуваного району зі схемою прив'язки та текстовою характеристикою території, наводяться результати дешифрування знімків у вигляді тематичних карток, головним чином масштабу 1:400000-1:500000, з короткими текстовими коментарями. За основними темами даються пояснення та рекомендації щодо методики тематичного дешифрування багатозональних знімків.

Атлас може служити науково-методичним посібником з дешифрування багатозональних знімків для фахівців, які займаються вивченням природних ресурсів дистанційними методами, і використовуватися ширше як наочний посібник із застосування космічної зйомки при складанні тематичних карт у картографії, геології, ґрунтознавцями, спеціалістами сільського та лісового господарства. також спеціалістами з охорони навколишнього середовища. Безперечно, він знайде широке застосуванняу вузах. Студенти зможуть використовувати його при вивченні теорії та практики аерокосмічних

ських методів, для оволодіння навичками роботи з космічними знімками при розробці та складанні карт та в дослідженнях природних ресурсів.

Основна робота з підготовки атласу проводилася Географічним факультетом Московського державного університету, Інститутом космічних досліджень Академії наук СРСР та Центральним інститутом фізики Землі Академії наук НДР.

Атлас складено в лабораторії аерокосмічних методів кафедри картографії Географічного факультету Московського університету за участю кафедр геоморфології, картографії, гляціології та кріолітології, фізичної географіїСРСР, фізичної географії зарубіжних країн, проблемних лабораторій комплексного картографування та атласів, ерозії ґрунтів та руслових процесів того ж факультету, а також Геологічного факультету, кафедри наукової фотографії та кінематографії МДУ, Всесоюзного Об'єднання «Аерогеологія», в Центрі з дистанційних методів дослідження фізики Землі АН НДР, відділенні географії Педагогічного інститутум. Потсдама та відділення географії Університету ім. М. Лютера м. Халле-Віттенберг.

Це так звані багатозональні знімки, які дозволяють більш надійно розпізнавати об'єкти, що вивчаються, і отримувати кольорові синтезовані зображення.

В одному спектральному діапазоні можна отримати серію знімків одночасно використовуючи випромінювання в декількох вузьких спектральних зонах. Такі знімки називають багатозональними. Їх роблять, наприклад, за допомогою спеціальних фотокамер з кількома об'єктивами, причому кожен має кольоровий світлофільтр. Серія зональних чорно-білих знімків, що утворюється таким чином, дозволяє розпізнавати об'єкти, користуючись їх спектральними образами. Справа в тому, що більшість навколишніх об'єктів по-різному відображають сонячні промені: одні - переважно зелені, інші - червоні. Ґрунти, гірські породи, вода, рослинність, сніг мають властивий лише їм набір значень яскравості у різних спектральних променях. Графічно це зображується як так званих кривих спектральної яскравості. За знімками в різних зонах можна встановити які об'єкти зобразилися. Для цього яскравість зображення невідомого об'єкта на серії зональних знімків (тобто його спектральний образ) порівнюється з еталонними кривими, отриманими шляхом спеціальних вимірювань на місцевості та даних, що зберігаються в банку. Наприклад, якщо об'єкт темний у червоній зоні і дуже світлий у ближній інфрачервоній, можна впевнено сказати, що це рослинність.

Спектральний образ часто використовується для поділу (класифікації) об'єктів під час комп'ютерної обробки знімків. Так, на наведених знімках дельти зміна тону зображення, темного в червоній зоні та світлого в ближній інфрачервоній зоні, говорить про розвиток тут соковитої тростинної, а світла смуга прибережних вод у червоній зоні - про винесення Дунаєм великої кількостісуспензій.

Багатозональні знімки дозволяють зробити кольорові синтезовані зображення. Якщо три чорно-білі зональні знімки ввести в комп'ютер і пофарбувати їх в основні кольори - синій, зелений, червоний, то на екрані виникне яскрава різнокольорова картина. Вибираючи різні поєднаннязональних знімків і змінюючи їхнє забарвлення, можна синтезувати різні кольорові зображення, на яких об'єкти з'являться в кольорах, або близьких до натуральних, або в умовних, навмисно спотворених кольорах. На таких синтезованих знімках різні географічні об'єкти виділятимуться чіткіше і точність їхнього розпізнавання значно підвищиться. Наведені знімки дельти річки Селенги, що утворилася при впадінні її в , зроблені за різних варіантів колірного синтезу. У випадку, коли для синтезу використовувалися короткохвильові зони - блакитна, зелена, на знімках добре зобразилися підводні вали, що облямовують дельту, бари і струмені каламутних вод, що виносяться. Видно, як забруднені води поширюються в озері, де осідають суспензії. Проте берегова лінія дельти цих знімках чітко не виділяється. При використанні для синтезу кольорів інфрачервоної зони картина змінюється - стає чітко видно складний контур берегової лінії дельти. Але винос суспензії на такому знімку вже не простежується - вся вода, і прозора і каламутна, зображується однаково темним тоном.

Автоматизоване дешифрування – інтерпретація даних, що знаходяться у знімку, яку виконує електронно-обчислювальна машина. Цей метод використовується завдяки таким факторам, як обробка величезної кількості даних та розвиток цифрових технологій, що пропонують зображення у форматі, що підходить для автоматизованих технологій. Для дешифрування знімків використовується певне програмне забезпечення (ПЗ): ArcGIS, ENVI (див. рис.5), Панорама, SOCETSET і т.д.

Рис.5. Інтерфейс програми ENVI 4.7.01

Незважаючи на всі плюси використання ЕОМ та спеціалізованих програм, постійний розвиток технологій, автоматизований процес має проблеми: розпізнавання образів на машинній класифікації за допомогою вузько формалізованих дешифрувальних ознак.

Для ідентифікації об'єктів їх розбивають на класи з певними властивостями, це поділ простору по ділянках і класах об'єктів називається сегментацією. Через те, що об'єкти при зйомці часто бувають закритими і з "шумами" (хмари, дим, пил тощо), то машинна сегментація має імовірнісний характер. Для підвищення якості до спектральних ознак об'єктів (колір, відображення, тон) додають інформацію про форму, текстуру, розташування і взаємне розташування об'єктів.

Для машинної сегментації та класифікації об'єктів є алгоритми, розроблені на різних правилах класифікації:

з навчанням (контрольована класифікація);

без навчання (неконтрольована класифікація).

Алгоритм класифікації без навчання може досить швидко сегментувати зображення, але з великою кількістю помилок. Контрольованої класифікації необхідне вказівку ділянок-еталонів, у яких присутні об'єкти одного типу з такими, що класифікуються. Цей алгоритм вимагає великих витрат від ЕОМ і дає результат із більшою точністю.

3.1. Автоматизоване дешифрування з використанням комплексу 4.7.01

Для вивчення методів дешифрування та обробки космічних знімків проведено дешифрування знімка із супутника Landsat-8 на територію Удмуртської Республіки. Знімок отримано із сайту Геологічної служби США. На знімку виразно видно міста Іжевськ, також без спотворень читаються Іжевський став, течія річки Кама від міста Воткінськ до міста Сарапул. Дата зйомки – 15.05.2013 та 10.05.2017. Відсоток покриття знімка 2013 хмарами – 45% і верхня частина знімка складно дешифрується (проте практично весь весняно-літній період зйомок містить високий вміст хмар на знімку). Тому основна робота з аналізу інформації проходитиме з актуальнішим знімком.

Відсоток покриття знімка 2017 року хмарами – 15% та правий верхній кут знімка не придатний для обробки через групу хмар, що закривають поверхню території.

Система координат, прийнята для використання на знімку – UTM – універсальна поперечна проекція Меркатора, заснована на еліпсоїді WGS84.

Програмний комплекс (ПК) ENVI – програмний продукт, що забезпечує повний цикл обробки оптико-електронних та радарних даних дистанційного зондування Землі (ДЗЗ), а також їх інтеграцію з даними геоінформаційних систем (ГІС).

До переваг ENVI також відноситься інтуїтивно зрозумілий графічний інтерфейс, що дозволяє початківцю швидко освоїти всі необхідні алгоритми обробки даних. Логічні спадаючі пункти меню полегшать знаходження функції, яка необхідна у процесі аналізу чи обробки даних. Можна спростити, перебудувати, русифікувати або перейменувати пункти меню ENVI або додати нові функції. У версії 4.7 здійснено інтеграцію продуктів ENVI та ArcGIS.

Для підготовки знімка до процесу дешифрування необхідно його обробити та отримати саме спектральне зображення для аналізу. Для отримання зображення із серії знімків необхідно скомпонувати всі канали в єдиний потік/контейнер за допомогою команди на панелі керування Layerstacking (див. мал.6). Після всіх перетворень отримуємо багатоканальний контейнер/зображення, з яким можна продовжувати роботу: фільтрація, прив'язка, класифікація неконтрольована, виявлення динаміки, векторизація. Всі канали зображення будуть приведені до однієї роздільної здатності та однієї проекції. Для завантаження цієї команди необхідно вибрати: BasicTools>LayerStackingабо Map>LayerStacking.

Рис.6. Інтерфейс програми ENVI - компонування каналів у Layerstacking

Візуалізуючи мультиспектральне зображення, необхідно в меню програмного комплексу ENVI вибрати такі команди: File>OpenExternalFile>QuickBird. У новому вікні AvailableBandsList (див. рис.7) для синтезу зображення в рядках RGB ми вибираємо червоний, зелений і синій канали відповідно - послідовність каналів "4,3,2". У результаті отримуємо зображення, звичне для людського ока (див. мал.8.) і на екрані з'являється 3 нових вікна - Image, scroll, zoom.

Рис.7. Вікно AvailableBandsList

Рис.8. Синтезоване зображення знімка 15.05.2013 р. - послідовність каналів "4,3,2".

З недавнього часу стосовно знімку Landsat-8 ENVI частіше використовують послідовність каналів "3,2,1" для отримання зображення в близьких до природних кольорів. Для порівняння двох послідовностей проведемо процедуру фільтрації (У вікні Image є вкладка Filter), виводячи обидва результати на екран (див. рис. 9).

Рис.9. Фільтрування знімка в послідовності "3,2,1"

Завдяки цій команді можна покращити якість знімка: даному випадку, збільшилася прозорість хмар, з'явилися чіткі контури розподілу поверхонь (акваторії, ліс, антропогенні території). Фактично Filter допомагає коригувати "шуми" знімка.

Неконтрольована класифікація виконується за принципом розподілу пікселів за класами - подібними характеристиками яскравості. У ENVI існує два алгоритми роботи з неконтрольованою класифікацією: K-means та IsoData. Команда K-means значно складніша: вона вимагає певних навичок у добірці налаштувань зображення та висновків результатів. Команда IsoData простіше і вимагає лише зміни вказаних у системі параметрів (див. рис.10): головна панель, команда Classification – Unsupervised – K-means/IsoData (див. рис.11).

Рис.10. Вікно налаштування параметрів IsoData в ENVI

В отриманому прикладі неконтрольованої класифікації переважають інфрачервоний та синій канали, що дають докладну інформацію про гідромережі на території знімка.

Рис.11. Неконтрольована класифікація

Через комплекс ENVI легко та зручно проводити реєстрацію зображення з використанням геоприв'язаного зображення, в подальшому отримане зображення використовується в MapInfo. Для цього в головному меню вибираємо Map>Registration>SelectGCPs: Image to Map. Результат одразу можна вивести в MapInfo для порівняння, зберігши у спеціальному форматі (рис.12).

Рис.12. Геоприв'язка знімка для використання в MapInfo

Векторизація знімка ENVI відбувається з тим же набором даних, що і прив'язка знімка з ENVI MapInfo, через команду векторизації: необхідно задати проекцію, еліпсоїд, номер зони (див.рис.13).

Динаміка змін на вибраній території відстежується з використанням багаторазових знімків (за 2013 та 2017 рр.). Динаміку можна відстежити 3 методами:

метод миготіння;

метод "сендвіча" - поєднання шарів у MapInfo;

використання картки змін.

Рис.13. Векторизація знімка

Метод миготіння створює два різних вікназ двома знімками за допомогою команди NewDisplay у вікні вибору шарів для показу. Обидва знімки зв'язуються за допомогою команди LinkDisplays у вікні Image і на екрані можна бачити обидва знімки, які рухаються однаково різні моментичасу, що відображають ту саму місцевість (див. рис.14). На кліку комп'ютерної миші дисплеї зі знімками будуть змінюватися місцями - блимати, що дозволить виявити зміни (динаміку).

Рис.14. Виявлення динаміки – метод миготіння

Метод "сендвіча" полягає в одноразовому поєднанні обох знімків, попередньо збережених у форматі Jpeg2000/.jp2 за допомогою команди File – Save Images. Почергово обидва зображення необхідно відкрити Mapinfo в єдиній проекції (універсальна поперечна проекція Меркатора). Для комфортного порівняння у верхнього шару/знімка змінюють прозорість - 50% і проводять візуальний пошук змін з подальшим виділенням динамічних ареалів (див. рис.15).

Якщо 2 отримані знімки мають геоприв'язку, поділ по шарах і формат geotiff/tiff, то має бути сучасний актуальний метод - карта змін. На обох знімках потрібно вибрати той самий тип шару, наприклад, третій - зелений. Через війну перетворень виходить карта з великою кількістю шумів, потребує налаштування фільтрів.

Рис.15. Виявлення динаміки - спосіб "сендвіча"

Якщо порівнювати всі методи, то автору роботи найбільше імпонує метод " сендвіча " , т.к. Метод миготіння дає сильне навантаження зору і викликає передчасну фізіологічну втому очей. Створення карти змін який завжди ефективно, т.к. повністю шуми забрати неможливо.